Técnicas Estadísticas para la Ciencia de Datos a través de R. Aprendizaje no Supervisado: Análisis Clúster, Redes Neuronales y Escalamiento Multidimensional
Par :Formats :
Disponible dans votre compte client Decitre ou Furet du Nord dès validation de votre commande. Le format ePub est :
- Compatible avec une lecture sur My Vivlio (smartphone, tablette, ordinateur)
- Compatible avec une lecture sur liseuses Vivlio
- Pour les liseuses autres que Vivlio, vous devez utiliser le logiciel Adobe Digital Edition. Non compatible avec la lecture sur les liseuses Kindle, Remarkable et Sony
, qui est-ce ?Notre partenaire de plateforme de lecture numérique où vous retrouverez l'ensemble de vos ebooks gratuitement
Pour en savoir plus sur nos ebooks, consultez notre aide en ligne ici
C'est si simple ! Lisez votre ebook avec l'app Vivlio sur votre tablette, mobile ou ordinateur :
- FormatePub
- ISBN8230577300
- EAN9798230577300
- Date de parution17/01/2025
- Protection num.pas de protection
- Infos supplémentairesepub
- ÉditeurIndependently Published
Résumé
La Ciencia de Datos supone la base de la Inteligencia Artificial y el futuro de todos los procesos complejos de toma de decisiones combinando algoritmos matemáticos y técnicas de Aprendizaje Automático. La Ciencia de Datos proporciona la estructura necesaria para entrenar modelos de Inteligencia Artificial. Las técnicas estadísticas son un gran apoyo para la algoritmia de la ciencia de datos. A lo largo de este libro se desarrollan gran parte de las técnicas de aprendizaje no supervisado desde un punto de vista metodológico y desde un punto de vista práctico con aplicaciones a través del software R.
Se profundiza en las Técnicas de Clasificación y Segmentación como el Análisis Clúster, el Escalamiento Multidimensional y el Análisis de Correspondencias. Se desarrolla especialmente el uso de las Redes Neuronales para la clasificación tratando las Redes de Kohonen, las Redes SOM (Self Organizing Maps), las Redes Neuronales Convolucionales (CNNs), las Redes de Hopfield, detección de anomalías, Autoencoders y reconocimiento de patrones.
Todas las técnicas se abordan desde una doble óptica teórica y práctica.
Se profundiza en las Técnicas de Clasificación y Segmentación como el Análisis Clúster, el Escalamiento Multidimensional y el Análisis de Correspondencias. Se desarrolla especialmente el uso de las Redes Neuronales para la clasificación tratando las Redes de Kohonen, las Redes SOM (Self Organizing Maps), las Redes Neuronales Convolucionales (CNNs), las Redes de Hopfield, detección de anomalías, Autoencoders y reconocimiento de patrones.
Todas las técnicas se abordan desde una doble óptica teórica y práctica.
La Ciencia de Datos supone la base de la Inteligencia Artificial y el futuro de todos los procesos complejos de toma de decisiones combinando algoritmos matemáticos y técnicas de Aprendizaje Automático. La Ciencia de Datos proporciona la estructura necesaria para entrenar modelos de Inteligencia Artificial. Las técnicas estadísticas son un gran apoyo para la algoritmia de la ciencia de datos. A lo largo de este libro se desarrollan gran parte de las técnicas de aprendizaje no supervisado desde un punto de vista metodológico y desde un punto de vista práctico con aplicaciones a través del software R.
Se profundiza en las Técnicas de Clasificación y Segmentación como el Análisis Clúster, el Escalamiento Multidimensional y el Análisis de Correspondencias. Se desarrolla especialmente el uso de las Redes Neuronales para la clasificación tratando las Redes de Kohonen, las Redes SOM (Self Organizing Maps), las Redes Neuronales Convolucionales (CNNs), las Redes de Hopfield, detección de anomalías, Autoencoders y reconocimiento de patrones.
Todas las técnicas se abordan desde una doble óptica teórica y práctica.
Se profundiza en las Técnicas de Clasificación y Segmentación como el Análisis Clúster, el Escalamiento Multidimensional y el Análisis de Correspondencias. Se desarrolla especialmente el uso de las Redes Neuronales para la clasificación tratando las Redes de Kohonen, las Redes SOM (Self Organizing Maps), las Redes Neuronales Convolucionales (CNNs), las Redes de Hopfield, detección de anomalías, Autoencoders y reconocimiento de patrones.
Todas las técnicas se abordan desde una doble óptica teórica y práctica.
